成为社会生产力的关键支撑，尤其是以GPT-4、Llama和DeepSeek为代表的大语言模 型（Large Language Models, LLMs）在人工智能领域取得突破性进展，引发了对算力 资源前所未有的需求。 在数字经济加速发展的背景下，算力已成为新型基础设施的重要支撑，是推动经济社 会高质量发展的核心驱动力。作为数字经济的关键组成和引领性领域，算力正加快成为培育 新质生产力、赋能产业 在数字经济时代制胜的关键能力基石。谁能率先完成网络从“业务保障通道”向“智能韧 性运营枢纽”的跃迁，谁就将在未来激烈的数字化和智能化竞争中占据先机。 2.3 智算数据中心网络发展趋势与挑战 AI产业正迎来前所未有的快速发展期，呈现出几大显著趋势变化。 1）大模型规模指数级增长，头部OTT大模型持续摸高，大模型训练带动网络发展 模型性能竞赛白热化: 2025年上半年，OpenAI的GPT-4.5、Google的Gemini 码注入漏洞。 15 4.1.4 智能遥测 随着人工智能迈入大规模时代，其赖以生存的“神经网络”——AI智算网络，正以前所 未有的速度和复杂度急剧膨胀。数以万计的GPU/NPU集群通过高速互联构成庞大的计算实 体，处理着PB级的数据洪流。然而，这种规模的扩张也带来了前所未有的“黑盒”挑战：错 综复杂的网络链路、瞬息万变的流量模式、以及分布式训练中同步与通信的微妙状态，都变得 难以用传统

电流密度已达到优异的 2 A/mm 2。 英飞凌将其领先的低压硅基 MOSFET 技术（例如，OptiMOS™ 7 系列）与芯片嵌入封装技术及专利 3D 集成工艺相结 合，在垂直供电方案中实现了前所未有的功率密度和能效表现。 7 图 3：采用集中发电和配电并在服务器主板进行本地功率转换的高压直流架构示例 预测二：服务器主板将采用高压直流供电架构 随着现代 GPU 功耗的持续攀升，以及每个机架中 流输入，进一步 减少因多级功率转换而带来的损耗。 的输出功率预计可达 2-10 兆瓦。这种固态变压器在效率、功率密度以及——特别重要的——可扩展性方面，都将 带来显著优势，使吉瓦级数据中心具备前所未有的灵活性。 通常，固态变压器采用输入串联 / 输出并联（ISOP）系统，中压电网的每一相都连接着一串由多个串联功率转换模 块组成的模块链。中压交流电网的电压等级因国家与地区而异，一般在 10

行业人工智能代理）自主交互为代表的商业模式突破，同时，广泛的市场教育与繁荣的开源生态，正共同驱动着 从教育主管部门到各级院校的AI部署需求集中涌现，一个以数据为基础、AI为引擎的全新教育革命，已非遥远愿 景。在此背景下，AI正以前所未有的深度与广度融入教育的核心场景，系统性的重塑着传统的教育装备产业。 我们看到智慧黑板、智能录播、AI学习终端等设备，其核心价值已不再是单纯的硬件功能，而是转变为承载AI能 力、提供智能化服务 与AI技术结合的、具体的、能解决教学痛点的场景化 应用，从卖设备转向卖服务、卖体验，从而在激烈的 市场竞争中找到新的增长曲线。 建议二：重视沉淀数据，单体智能走向多模协同 AI时代数据的价值前所未有地凸显，已成为驱动教育 智能化升级的核心燃料，对于装备企业而言，短期内 最宝贵的资产并非自研一个通用大模型，而是通过部 署的硬件，合法、合规、有效地采集和沉淀高质量的、 多模态的、贯穿教学全流程的真实教学数据。先发优 中台、其他友商的系统进行互联互通。未来市场赢家， 将属于那些能够构建最完整数据生态、并能基于数据 提供最深刻教学洞察的平台型、生态型企业。 建议三：适应快速迭代，研产用一体化敏捷开发 当前，教育装备产业的技术迭代周期正在被AI以前所 未有的速度缩短。摩尔定律的影响正从芯片延伸至整 个产品形态，过去三五年的产品更新周期，如今可能 已缩短至一到三年。企业须从根本上改变传统的、瀑 布式的研发与生产模式，建立一个更加敏捷、能快速

1 第一篇 · 构建新型制造系统，融入世界级制造 前 言 全球制造业处于转型关口 当今全球制造业正处于前所未有的转型关口。世界经济论坛在多份报告中指出，制造业正经 历一场“双重重构”：一方面，技术革命带来生产方式、供应链和产业组织方式的重塑；另一方面， 全球价值链在地缘政治、绿色转型和市场格局的叠加影响下，也在加速重组。对中国而言，这既 是挑战，也是历史性机遇。 过去四十年， 言 结 语 图 1 中小制造企业“积木式”数字化转型方法论 1 第一篇 · 构建新型制造系统，融入世界级制造 构建新型制造系统，迈向世界级制造 第一篇 中国制造业发展正置身一个前所未有的“临界期”，众多行业出现流 程再造和系统重构，中国的龙头企业开始在价值链网络中占据主导地位。 未来十年是变革的关键窗口期，对中小制造企业来说，既提供了跃升的 机会，也存在落后的风险。为在未来实现领先，走向专精特新发展，企 疾速奔跑：“专精特新”需要越来越快的移动速度 市场需求变化日益频繁和多样化，促使制造业从过去冗长滞后的供给响应模式，转向高敏捷、 高响应的新模式。无论是在工厂内部还是产业链上下游，信息流通的速度和广度前所未有，为快 速响应创造了技术基础。中国新能源汽车平均 1.3 年进行一次车型更新，较传统车企快了 3 倍。 在消费电子、小家电领域，中国企业更新时间是 6~12 个月，显著快于国际竞争对手。机工智库

企业能够在合规前提下安全获取并利用外部数据资源，开展 跨组织、跨领域的数据协同计算与分析，在不泄露敏感信息 6 的情况下充分释放数据价值，推动数据的高效流通与创新应 用。 （二）人工智能技术 目前，人工智能技术正以前所未有的速度革新各领域。 AIGC 能够产生包括文本、图像以及音视频在内的多种形式 的数字内容，结合区块链等技术进行权属认证，生成的内容 可转化为高价值数字资产。 此外，人工智能的数据分析能力同样值得关注。机器学 对数据资产进行识别、持续监测与价值分析，推动其在业 务场景中有效变现的过程。 11 四、数据资产在制造业的典型应用场景 在制造行业，数据资产的应用正日益广泛，为企业的生 产、管理、决策等各个环节带来了前所未有的变革，以下列 举了部分典型应用场景。 （一）生产过程优化 在现代制造业企业中，通过实时采集生产线上的关键数 据，并结合物联网技术，利用机器学习算法对数据进行深入 分析，可有效实现设备故障的预测预警。根据麦肯锡全球研

经过清晰的沉淀，算法可以通过重新编排、 组合，成为服务接口响应业务的基本需求。由 于具备快速编排、组合数据服务的能力，企业 可以以较小的成本投入来构建出一个创新的前 端业务。这是传统模式构建的系统中前所未有 的，容许快速试错，更适合今天具有互联网精 神的轻公司模式。 需要相应的组织架构与激励机制 任何完善的体系建设依靠的不仅是技术工 具，缺乏完善的组织结构及激励机制便不可能 令中台顺畅运行。多年来的经验证明了技术架

定制批发业务遭遇需求收缩与供给过剩的双重压力，行业陷入供需失衡与资本退潮的转型期。 • 在全球数字化与智能化浪潮交相辉映的当下，人工智能技术，特别是生成式AI与大模型技术的突破性飞跃，正引领一场前所未有的技术革新浪潮，重 塑着各行各业的发展蓝图。在此背景下，算力资源已成为支撑AI技术持续进步不可或缺的基石，而算力中心，作为算力资源的核心承载平台，正迎来 崭新的发展机遇。其中，定制批发业务凭借 618 3,015 3,376 2019 2020 2021 2022 2023 2024 亿GB 关键分析 • 移动互联网用户规模触顶，富媒体应用推动数据流量的持续增长， 算力中心正面临前所未有的需求压力。截至2024年三季度，我国移动互联网用户规模已达到 12.44亿，同比增长0.8%，用户规模已趋近饱和。2024年3月，移动视频类富媒体应用占据用户使用总时长的三成，用户对富媒体应用，尤其是短视频内容的深度依 2023 2024E 2025E 2026E 2027E 2028E 单位：MW 关键分析 • 在AI大模型训练的驱动下，算力中心正加速 向超大规模化、集群化的方向演进，这一变 革不仅为行业带来了前所未有的发展机遇， 也对算力中心服务商的提出了更高要求。 • 算力中心定制批发服务的需求方在选择服务 商时，需综合考虑多个维度，以确保所选算 力中心能够满足训练推理与应用的各项需求， 其关注点主要集中在以下几个方面：

与突发协同 在智能家庭场景中，人形机器人、机器狗作为家庭智能助手，需要在高度动态的生活环境中与家庭 成员、智能设备、外部服务进行复杂交互。家庭环境的时变性和人机交互的突发性，使得此类设备 面临前所未有的通信挑战。 多元任务交互：人形机器人需要同时处理多重任务，例如通过语音交互了解行程规划，通过视觉识 别判断人、宠物的情绪状态，调用天气服务获取实时信息，控制咖啡机和早餐设备，甚至还要走出 化运维能力，最大限度降低对客户的技术屏障，提升 SLA 的全程保障能力。 4.3.5 智能数据互通 智能群组中，数据互通能力也将基于任务所需，具备更智能，更高效的特性。 在 TDS 任务驱动模式下，业务终端能够基于当前所处的位置，动态加入以地域为标识的网络，终端 可获得本区域的边缘服务，同时，也能够和本区域内的其他业务终端相互发起访问。 在交通和物流任务中，通常所见的车路协同，水路协同，空域协同，都需要终端在接入本区域网络之后，

intelligent manufacturing; production process; energy storage components 随着能源结构的转型，能源电池制造行业正在 面临着前所未有的挑战和机遇。为了满足能源市场 对高安全性、高性能水平、低生产成本电池元件的 需求，全流程数字化智能制造技术成为了生产与制 造过程中的关键因素。未来光伏、风电等新能源装 机占比将快速提升，可再生能源的消纳问题亟待解

总而言之，大语言模型为医药研发带来了新的可能性，但同时也带来了新的 挑战。我们需要以开放和批判的态度来接纳这些新的工具，不断探索和优化它们 在靶标发现中的应用。 人工智能助力蛋白靶点结构的预测 正如我们之前所提到的，靶点发现中一个非常重要的计算手段便是蛋白结构 相似性分析，但如果蛋白的结构本身未知，那他就很难被用于结构相似性分析， 也就难以被定性为可能的靶点。同样的，如果一个已知为靶点的蛋白结构未知，